一种停车群体诱导方法及装置与流程

技术特征：

1.一种停车群体诱导方法，其特征在于，包括：

确定目标区域内用户的备选停车场，并根据所述备选停车场相对于对应用户的评价函数获得评价分值；

根据用户和对应所述备选停车场以及所述评价分值构建一节点容量限制的带权二部图G＝(X,Y,W)；其中，X表示用户节点和备选停车场节点的集合；Y表示用户节点和备选停车场节点之间存在的备选关系集合；W表示用户节点和备选停车场节点之间存在的备选关系的评估分值集合；

将所述节点容量限制的带权二部图G＝(X,Y,W)进行扩展，获得具有函数关系权值的带权二部图G′＝(X,Y,W,S,E,SY,EY,SW,EW)；其中，S表示一新增数据源点；E表示一新增数据汇点；SY表示数据源点S到用户的边集合；SW表示边集合SY的权值集合；EY表示停车场到数据汇点E的边集合；EW表示边集合EY的权值集合；

计算所述具有函数关系权值的带权二部图G′＝(X,Y,W,S,E,SY,EY,SW,EW)中从节点S到节点E的网络最大流，同时记录最大流形成条件下的用户和停车场的匹配关系；

根据所述最大流形成条件下的用户和停车场的匹配关系，向用户推送对应的停车场。

2.如权利要求1所述的方法，其特征在于，所述评价函数的表达式为：

$F(p,v_j)=\mathrm{\α}ln{\left(\frac{d_p}{\underset{i=1}{\overset{\left|{\mathrm{PE}}_j\right|}{\Σ}}{d}_i}\right)}^{-1}+\mathrm{\β}ln{\left(\frac{E_p}{T_p}\right)}^{-1}$

其中，PE_j表示用户v_j的备选停车场集合；v_j表示用户集合中第j个用户；d_i表示备选停车场集合PE_j中第i个停车场距离对应用户的距离，T_p表示停车场p的总车位数量，E_p表示停车场p已停放的车位数量，d_p表示停车场P到对应用户的距离，α和β分别为调节因子，来调节距离和可用停车位对评价函数的影响，0＜α＜1,0＜β＜1。

3.如权利要求1所述的方法，其特征在于，所述权值集合EW的函数表达式为：

$EW=\left\{w(p_i,E)\right|w(p_i,E)=C\left(R_{p_i}\right)\underset{j=1}{\overset{d^{-}\left(p_i\right)}{\Σ}}{\mathrm{\ζ}}_{v_j}w(v_j,p_i)\}$

其中，表示停车场p_i的当前的剩余可用车位数量；第i个停车场的容量；是一个二值开关函数：当停车场剩余车位为0时，停车场对应节点的可用流量应该也为0，该函数将通过强制使得停车场的输出权值为0实现这一目的；停车场p_i的入度d^-(p_i)表示了当前有d^-(p_i)数量的车辆有可能选择该停车场，那么在p_i允许的容量范围内，即的情况下，其最大流就是：是一个拉格朗日系数，

4.如权利要求3所述的方法，其特征在于，所述权值集合SW的函数表达式为：

$SW=\left\{w(S,v_j)\right|w(S,v_j)=C\left(1\right)\underset{i=1}{\overset{d^{+}\left(v_j\right)}{\Σ}}{\mathrm{\ζ}}_{p_i}w(v_j,p_i)\}$

其中，d⁺(v_j)表示用户v_j的出度；在实际中，用户不可能同时停放到两个不同的停车场，中的可视为容量限制始终为1；是一个拉格朗日系数，

5.如权利要求1所述的方法，其特征在于，所述具有函数关系权值的带权二部图G′＝(X,Y,W,S,E,SY,EY,SW,EW)中从节点S到节点E的网络最大流通过EK算法获得。

6.一种停车群体诱导装置，其特征在于，包括：

评价分值获取单元，用于确定目标区域内用户的备选停车场，并根据所述备选停车场相对于对应用户的评价函数获得评价分值；

带权二部图构建单元，用于根据用户和对应所述备选停车场以及所述评价分值构建一节点容量限制的带权二部图G＝(X,Y,W)；其中，X表示用户节点和备选停车场节点的集合；Y表示用户节点和备选停车场节点之间存在的备选关系集合；W表示用户节点和备选停车场节点之间存在的备选关系的评估分值集合；

带权二部图扩展单元，用于将所述节点容量限制的带权二部图G＝(X,Y,W)进行扩展，获得具有函数关系权值的带权二部图G′＝(X,Y,W,S,E,SY,EY,SW,EW)；其中，S表示一新增数据源点；E表示一新增数据汇点；SY表示数据源点S到用户的边集合；SW表示边集合SY的权值集合；EY表示停车场到数据汇点E的边集合；EW表示边集合EY的权值集合；

计算单元，用于计算所述具有函数关系权值的带权二部图G′＝(X,Y,W,S,E,SY,EY,SW,EW)中从节点S到节点E的网络最大流，同时记录最大流形成条件下的用户和停车场的匹配关系；

诱导单元，用于根据所述最大流形成条件下的用户和停车场的匹配关系，向用户推送对应的停车场。

7.如权利要求6所述的装置，其特征在于，所述评价分值获取单元涉及的评价函数的表达式为：

$F(p,v_j)=\mathrm{\α}ln{\left(\frac{d_p}{\underset{i=1}{\overset{\left|{\mathrm{PE}}_j\right|}{\Σ}}{d}_i}\right)}^{-1}+\mathrm{\β}ln{\left(\frac{E_p}{T_p}\right)}^{-1}$

其中，PE_j表示用户v_j的备选停车场集合；v_j表示用户集合中第j个用户；d_i表示备选停车场集合PE_j中第i个停车场距离对应用户的距离，T_p表示停车场p的总车位数量，E_p表示停车场p已停放的车位数量，d_p表示停车场P到对应用户的距离，α和β分别为调节因子，来调节距离和可用停车位对评价函数的影响，0＜α＜1,0＜β＜1。

8.如权利要求6所述的装置，其特征在于，所述带权二部图扩展单元涉及的权值集合EW的函数表达式为：

$EW=\left\{w(p_i,E)\right|w(p_i,E)=C\left(R_{p_i}\right)\underset{j=1}{\overset{d^{-}\left(p_i\right)}{\Σ}}{\mathrm{\ζ}}_{v_j}w(v_j,p_i)\}$

其中，表示停车场p_i的当前的剩余可用车位数量；第i个停车场的容量；是一个二值开关函数：当停车场剩余车位为0时，停车场对应节点的可用流量应该也为0，该函数将通过强制使得停车场的输出权值为0实现这一目的；停车场p_i的入度d^-(p_i)表示了当前有d^-(p_i)数量的车辆有可能选择该停车场，那么在p_i允许的容量范围内，即的情况下，其最大流就是：是一个拉格朗日系数，

9.如权利要求8所述的装置，其特征在于，所述带权二部图扩展单元涉及的权值集合SW的函数表达式为：

$SW=\left\{w(S,v_j)\right|w(S,v_j)=C\left(1\right)\underset{i=1}{\overset{d^{+}\left(v_j\right)}{\Σ}}{\mathrm{\ζ}}_{p_i}w(v_j,p_i)\}$

其中，d⁺(v_j)用户v_j的出度；在实际中，用户不可能同时停放到两个不同的停车场，中的可视为容量限制始终为1；是一个拉格朗日系数，

10.如权利要求6所述的装置，其特征在于，所述计算单元通过EK算法获得具有函数关系权值的带权二部图G′＝(X,Y,W,S,E,SY,EY,SW,EW)中从节点S到节点E的网络最大流。